一种基于边缘计算实现故障自诊断的充电桩的制作方法

摘要: 本发明属于充电桩,具体的说是一种基于边缘计算实现故障自诊断的充电桩。背景技术:1、随着新能源产业的高速发展,大功率户外电气设备(如充电桩)的部署规模日益庞大,这...
一种基于边缘计算实现故障自诊断的充电桩的制作方法

本发明属于充电桩,具体的说是一种基于边缘计算实现故障自诊断的充电桩。

背景技术:

1、随着新能源产业的高速发展,大功率户外电气设备(如充电桩)的部署规模日益庞大,这类设备长期暴露于复杂的户外环境中,面临着严峻的可靠性挑战。

2、首先,户外高湿度与高粉尘环境极易导致设备内部绝缘件表面附着污秽并吸收水分,形成微观导电通路,引发突发性的相间短路或绝缘击穿,而传统环境监测手段多依赖宏观的温湿度阈值报警,缺乏针对微观界面污染与水分耦合演变状态的早期感知与预警能力。

3、其次,设备内部的通风散热系统在长期运行中,不可避免地会出现防尘网渐进性堵塞及排风组件老化衰退,现有技术往往只能在核心器件已经发生严重过热后才触发事后被动降载,无法提前识别因气动流阻恶化及动能下降导致的散热效能不可逆丧失。

4、再次,大体积密闭机柜内部的热力学分布极不均匀,极易因自然对流不畅产生局部冷热气流滞留与水分富集的“微气候死区”,常规的单点或均值测量方式往往会掩盖空间内部极端的温度与湿度梯度,导致隐蔽角落频发无法预知的局部凝露事故。

5、最后,现有的防凝露与环境控制策略多采用单一维度的刚性阈值启停或常规比例积分调节。在面对局部冷热冲突及多环境变量耦合的复杂工况时,系统难以动态评估整体的安全余量,不仅容易出现过热或除湿不及时的防护失效,还极易陷入控制指令频繁震荡、执行机构输出极值饱和的僵局,造成大量的能源浪费。

6、为此,本发明提供一种基于边缘计算实现故障自诊断的充电桩。

技术实现思路

1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。

2、本发明解决其技术问题所采用的技术方案是:本发明的一种基于边缘计算实现故障自诊断的充电桩,包括:

3、机械执行机构,包含主柜体、设于主柜体侧壁的电动排气百叶窗、安装于风道出口的冷却排风扇、布置于主柜体底部的液冷循环泵、贴附于发热模块的液冷板、固定于高压绝缘子旁侧的主动除湿加热器,设于主柜体内部的内部导流风机及均流电动挡板以及设于主回路的高压直流接触器与泄压电磁阀;

4、传感器组件,包含贴附于母排与高压绝缘子的贴片式凝露传感器、布置于pcb空余区域的梳状电极对微电流检测器、设于进风过滤网前后的差压传感器、设于冷却排风扇出口的热式风速计、沿主柜体竖直方向高低位分布的温度传感器、用于获取柜内实际空气压力的气压传感器以及呈阵列分布的温湿度传感器和液冷进水温度传感器;

5、边缘计算控制器,分别与传感器组件及机械执行机构建立通信连接,边缘计算控制器内部构建并运行有绝缘劣化风险模型、风冷效能衰减模型、热湿分层模型、防凝露协同防御冗余度模型及占空比优化模型,边缘计算控制器基于模型运算结果向对应的机械执行机构下发动作指令。

6、本发明的有益效果如下:

7、1.本发明的一种基于边缘计算实现故障自诊断的充电桩,通过设置了贴片式凝露传感器、梳状电极对微电流检测器以及绝缘劣化风险模型,直击了户外设备因微观水膜与游离离子耦合引发绝缘击穿,模型内置的逻辑斯蒂型s型函数将测得的绝对凝露密度与微观离子污染漏电流进行加权融合与指数放大,精准捕捉绝缘失效的临界点,克服了传统刚性阈值的盲区,实现了绝缘劣化风险的早期量化诊断与紧急物理隔离,大幅提升了户外高湿粉尘环境下的设备安全性。

8、2.本发明的一种基于边缘计算实现故障自诊断的充电桩,通过设置了差压传感器、热式风速计以及运行有流体极限竞争有理分式函数的风冷效能衰减模型,当判断风冷效能逼近不可逆丧失限值时,控制器主动下发指令使冷却风扇瞬间注入反向高压气流,并配合排气百叶窗偏转,利用瞬态气压完成机械自清洁,实现了从过热被动降载向主动排污疏通的跨越,保障了散热流场的长期健康与可靠运行。

9、3.本发明的一种基于边缘计算实现故障自诊断的充电桩,通过设置了防凝露协同防御冗余度模型与占空比优化模型,基于贝叶斯对数几率更新方程对加热器工作状态进行自适应迭代,将防线冗余度缺失与衰减代偿进行非线性缩放调整。当识别到需要强制热力代偿时,系统通过高频无级调整除湿加热器功率并同步削减液冷循环泵流速,以极高敏捷度实现热力学重新平衡,彻底消除了传统比例积分调节中常见的控制震荡与极值饱和现象。

1.一种基于边缘计算实现故障自诊断的充电桩,其特征在于,包括:

2.根据权利要求1的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:绝缘劣化风险模型内置有非线性状态映射函数,边缘计算控制器运行绝缘劣化风险模型时,将自贴片式凝露传感器获取的凝露密度参数与自梳状电极对微电流检测器获取的漏电流参数进行物理量加权融合,并利用非线性状态映射函数对融合结果进行雪崩临界状态放大,以生成用于表征主柜体(1)内部介电强度劣化趋势的绝缘劣化风险系数。

3.根据权利要求2的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:边缘计算控制器专门用于解释绝缘劣化风险系数在工业场景中的应用,并执行以下:

4.根据权利要求3的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:风冷效能衰减模型内置有流体阻力与动能竞争的极限平衡函数,边缘计算控制器运行风冷效能衰减模型时,获取来自差压传感器的过滤网压差参数与来自热式风速计的风速参数,并基于压差参数和风速参数实时计算表征过滤网堵塞程度的湿态局部阻力参数,进而将湿态局部阻力参数与参考阻力参数、风速参数与参考风速参数分别代入极限平衡函数进行非线性竞争运算,以生成用于量化风冷系统散热能力丧失程度的风冷效能衰减系数。

5.根据权利要求4的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:边缘计算控制器专门用于解释风冷效能衰减系数在工业场景中的应用,并执行以下:

6.根据权利要求5的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:热湿分层模型内置有基于多变量空间离散度的热湿状态评估函数,边缘计算控制器运行热湿分层模型时,提取沿主柜体(1)竖直方向高低位分布的温度传感器的温差值以获取柜内自然对流宏观温差参数,并提取呈阵列分布的温湿度传感器的湿度值以计算腔体绝对湿度空间离散度参数,继而将温差参数和湿度离散度参数输入热湿状态评估函数进行欧几里得空间距离合成与非线性饱和映射,以生成用于表征主柜体(1)内部热湿分布不均匀程度的热湿分层系数。

7.根据权利要求6的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:边缘计算控制器专门用于解释热湿分层系数在工业场景中的应用,并执行以下:

8.根据权利要求7的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:边缘计算控制器执行防凝露协同防御冗余度模型时,至少获取液冷板进水温差裕量参数、微观局部露点-表面温差参数、绝缘劣化风险系数以及热湿分层系数,对上述参数进行包含风险惩罚加权与安全阈值比较的综合性冗余评估,以生成表征当前防凝露措施整体有效性的协同防御冗余度系数;边缘计算控制器还执行占空比优化模型,占空比优化模型内置有基于自适应迭代更新的控制优化函数,控制优化函数将协同防御冗余度系数和风冷效能衰减系数作为状态变量,对当前周期的加热器占空比进行非线性迭代缩放,以生成目标主动除湿加热器占空比。

9.根据权利要求8的一种基于边缘计算实现故障自诊断的充电桩,其特征在于:边缘计算控制器专门用于解释防凝露冗余及目标占空比在工业场景中的应用,并执行以下控制: